PHP正则表达式：可选地匹配整个单词

Question

PHP正则表达式：可选地匹配整个单词

4

我正在使用PHP，需要从一些CURL响应中抓取信息。我模拟了浏览器的ajax请求和普通（整个）页面请求，但是在HTML的这个部分中，ajax响应与整个页面请求稍有不同。

ajax响应如下： <div id="accountProfile"><h2>我想要的部分</h2><dl id="accountProfileData">

然而，正常响应为： <div id="accountProfile"><html xmlns="http://www.w3.org/1999/xhtml"><h2>我想要的部分</h2><dl id="accountProfileData">

即ajax响应中缺少标签：<html xmlns="http://www.w3.org/1999/xhtml">。我需要获取h2标签之间的内容。显然，我不能只从页面中抓取<h2>我想要的部分</h2><dl id="accountProfileData">，因为这些标签可能出现在其他地方，并且不包含我想要的信息。

我可以单独匹配其中一个模式，但我希望在单个正则表达式中同时匹配两个模式。以下是我的解决方案，用于匹配ajax响应：

<?php
$pattern = '/\<div id="accountProfile"\>\<h2\>(.+?)\<\/h2\>\<dl id="accountProfileData"\>/';
preg_match($pattern, $haystack, $matches);
print_r($matches);
?>

有人能向我展示如何修改模式，以便可选择地匹配<html xmlns="http://www.w3.org/1999/xhtml">标签吗？如果为了简洁起见需要简化干草堆，那就没问题。

- mulllhausen

正常的响应已经出现问题了 - html 元素在文档中没有位置。我不太确定你的问题是什么？你考虑过使用 DOM 解析器来解析 HTML 吗？请参阅解析 HTML 的最佳方法。 - Pekka

它可能有缺陷，但它仍然存在。我没有编写我正在抓取的网站。好的，我稍微更新了要求。 - mulllhausen

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Dev.Jaap · Accepted Answer

2

我还没有测试过，但你可以尝试这个方法：

    $pattern = '/\<div id="accountProfile"\>(\<html xmlns=\"http://www.w3.org/1999/xhtml\"\>){0,1}\<h2\>(.+?)\<\/h2\>\<dl id="accountProfileData"\>/';

- Dev.Jaap

只要您在 xmlns=\"http://www.w3.org/1999/xhtml 中转义所有内容，那么这将起作用 :) 另外，您可以将 {0,1} 简化为 ?。 - mulllhausen

我在想是否有可能在html xmlns=...标签周围不使用括号来编写模式？这并不是什么大问题，但是PHP的preg_match会为任何匹配括号中模式的内容创建一个新的数组元素。当然，我可以只使用最终的$matches数组元素，但我很好奇是否有可能避免匹配这个不需要的html xmlns=...标签模式。 - mulllhausen

@mulllhausen：您可以通过在非捕获组的开头添加“?:”来使用非捕获组，因此：(?:\<html ...). - porges